Süvavõltsingud: mis need on, kuidas need toimivad ja kuidas neid tuvastada?

Süvavõltsingud: mis need on, kuidas need toimivad ja kuidas neid tuvastada?

Süvavõltsing on tehisnärvivõrgu loodud või muudetud video, pilt või häälsalvestis, mis näitab veenvalt kedagi ütlemas või tegemas midagi, mida ta pole kunagi öelnud ega teinud. Tänapäevastel töövahenditel piisab vaid mõnest sekundist näidismaterjalist ja need töötavad tavalisel tarbijaseadmestikul. Infolehe hinnangul jagati 2025. aastal kogu maailmas umbes 8 miljonit süvavõltsingut, 2023. aastal oli neid 500 000. Inimene tuvastab need õigesti parimal juhul umbes pooltel kordadel ja ka tarkvaralistel tuvastajatel on omad nõrkused. Seetõttu on kõige töökindlam kaitse kontrollida isikut eraldi kanali kaudu, mitte loota oma silmadele ja kõrvadele.

Tehnoloogia
  1. oktoobril 2026 kirjutas Eesti meedia, et tehisintellekti loodud võltsvideotes kasutati Eesti arsti Rene Bürklandi head mainet kahtlase väärtusega toodete müümiseks. Selle teate kohaselt uskusid mõned ohvrid võltsreklaame ja seadsid oma tervise ohtu, jättes pooleli arsti määratud ravi. See juhtum on kohalik näide ülemaailmsest tehnoloogiast, mida tasub ise lähemalt mõista.

Mis on süvavõltsing

Süvavõltsing on sünteetiline meedia (pilt, video või helisalvestis), mille tehisnärvivõrk on loonud nii, et see näib või kõlab nagu päris inimene. Närvivõrk on arvutiprogramm, mille eeskujuks on lõdvalt aju. See koosneb paljudest kihtidest lihtsaid matemaatilisi üksusi ning õpib mustreid näidetest, mitte ei järgi programmeerija kirjutatud reegleid. Nimes sisalduv sõna „süva“ viitab nende võrkude paljudele kihtidele.

Süvavõltsinguid on mitut liiki. Näovahetus asetab videos ühe inimese näo teise inimese keha külge. Häälkloon taasloob kellegi hääle ja kõnerütmi nii, et see suudab ette lugeda mis tahes teksti. Täielikult sünteetiline video loob inimese, kes pole kunagi midagi filminud. Neil kõigil on ühine see, et materjal ei ole päris sündmuse salvestus. See on statistiline rekonstruktsioon sellest, kuidas konkreetne inimene välja näeb, kõlab ja liigub.

Kuidas tehnoloogia toimib

Infolehe andmetel tuginevad süvavõltsingud peamiselt kahte liiki süsteemidele: generatiivsetele võistlevatele võrkudele (GAN, ingl Generative Adversarial Networks) ja difusioonipõhistele süsteemidele. Mõlemat „treenitakse“ suurel hulgal piltidel või helilõikudel. Treenimise käigus õpivad need kujutama ja taasloomisel järgima objekti näoilmeid, kõnerütmi ja liikumismustreid.

Võltsija ja kontrolör

GAN koosneb kahest võrgust, mis omavahel võistlevad. Esimene, generaator, loob võltspilte. Teine, diskriminaator, püüab generaatori võltsinguid päris näidetest eristada. Igas ringis näitavad diskriminaatori otsused generaatorile, kus selle võltsingud polnud veenvad, ja generaator kohandub. Mida parem on kontrolör, seda paremaks peab muutuma ka võltsija.

Täpne võrdlus on rahavõltsija ja panga ekspert, kes üksteist treenivad. Treening lõpeb alles siis, kui ekspert ei suuda võltsinguid enam usaldusväärselt ära tunda. Selle protsessi realistlikkusel ei ole sisseehitatud piiri. Võltsing on „piisavalt hea“, kui kontrollivõrk ei suuda seda päris materjalist eristada.

Müra eemaldamine samm-sammult

Difusioonisüsteemid töötavad teisiti. Treeningul näidatakse süsteemile päris pilte, mis on järk-järgult maetud juhuslikku visuaalsesse mürasse, ja süsteem õpib seda protsessi tagasi pöörama ühe väikese sammu kaupa. Midagi uut luues alustab see puhtast mürast ja eemaldab müra samm-sammult, kuni tekib sidus pilt. Seda juhivad teadmised, mida süsteem on näoruumi, häälte või stseenide kohta õppinud. Sobiv võrdlus on restauraator, kes suudab tugevasti kahjustatud fotot taastada, sest teab, kuidas näod tavaliselt välja näevad. Siin algab „restaureerimine“ aga pelgast mürast ja seda suunatakse kindla tulemuse poole.

Miks sellest nii lihtne sai

Infolehes kirjeldatakse kahte nihet. Esiteks vajasid varased süsteemid sihtisiku kohta suuri andmekogusid. Praegustel piisab veenva häälkloonimise või näovahetuse jaoks vaid mõnest sekundist näidisandmetest. Teiseks on tänapäevased vahendid sisenemisläve langetanud. Mitteeksperdid suudavad luua kvaliteetset sünteetilist sisu tavalisel tarbijaseadmestikul. Seetõttu on teema muutunud uudishimu objektist igapäevaseks turvaprobleemiks.

Kui levinud ja kui ohtlikud need on

Süvavõltsingute loendamine on keeruline ja allolevad arvud on hinnangud, mitte täpsed mõõtmistulemused. Infolehe andmetel jagati 2025. aastal kogu maailmas umbes 8 miljonit süvavõltsingut, 2023. aastal oli neid umbes 500 000. See on kahe aastaga kuueteistkordne kasv.

Kahju on kõige selgem pettuste puhul. Üks infolehes viidatud aruanne näitas, et süvavõltsingutega seotud pettekatsete arv kasvas 2025. aastal lõppenud kolme aasta jooksul 2137%. Selline protsent kirjeldab kasvu võib-olla väikeselt algtasemelt, mistõttu see ei näita, kui tõenäoliselt mõni üksik inimene sihtmärgiks satub. Küll aga näitab see, et suund on järsk.

Parima dokumenteeritusega üksikkahju on Arupi juhtum Hongkongis. 2024. aasta veebruaris läks ühe videokõne-pettuse tõttu ettevõttele maksma 25,6 miljonit dollarit. Juhtum näitab, et otsekõnes tuttava inimese veenev võltsing võib piisata väga suure ülekande käivitamiseks.

Varased sihtmärgid olid kõrge profiiliga isikud, näiteks tegevjuhid ja poliitikud, sest neist leidub rohkesti videomaterjali. Infolehes märgitakse, et rünnakud on üha sagedamini suunatud eraisikute, töötajate ja finantsasutuste vastu. Mõned neist on mõeldud „elavuse“ (ingl liveness) kontrollide ületamiseks. Need on tuvastusetapid, kus inimene peab näitama, et ta on päris ja kohal viibiv inimene, näiteks keerates kaamera ees pead.

Mitte ainult video

Pelgalt heli põhinev häälkloonimine on peamine tee vishingule ehk häälphishingule, st telefoni teel toime pandud pettusele. Sugulasele või rahandustöötajale helistav kloonitud hääl ei vaja videot ja vähe ettevalmistust ning telefoniliin varjab paljusid väikeseid helivigu, mis muidu võiksid selle reeta.

Kuidas süvavõltsinguid tuvastatakse

Tuvastustarkvara ise põhineb süvaõppel ning kasutab selliseid arhitektuure nagu konvolutsioonilised närvivõrgud (CNN), mis sobivad hästi piltide analüüsimiseks, ja transformerid, mis sobivad hästi jada paljude osade omavaheliseks seostamiseks. Need süsteemid otsivad artefakte ehk väikeseid jälgi, mida loomisprotsess maha jätab. Infolehes nimetatud näited on pakkimisvead, ebaloomulik pilgutussagedus ja heli, mis ei sobi huulte liikumisega.

Lähenemisviis Mida otsitakse Peamine nõrkus
Automaatsed tuvastajad (CNN-id, transformerid) Pakkimisvead, ebaloomulik pilgutamine, heli ja video mittesobivus Töötavad halvasti süvavõltsingute liikidega, mille peale neid pole treenitud; neid saab eksitada pisikeste muudatustega
Inimese tähelepanek Nähtavad vead, näiteks kummalised servad või lisasõrmed Täpsus sageli umbes 50% või madalam, mitte parem juhuslikust
Isiku kontrollimine muul viisil Kas inimene on see, kes ta väidab end olevat, sõltumata meedia välimusest Võtab aega ja eeldab kehtestatud korda

Miks tuvastajatest ei piisa

Infolehes nimetatakse kahte piirangut. Esimene on üldistusvõime. Paljud tuvastajad on treenitud kindlatel võltsingukogudel ning nende tulemuslikkus langeb, kui nad kohtavad „nägemata“ süvavõltsingu liiki, mis on loodud uuema või teistsuguse meetodiga. Teine on võistlevad rünnakud. Ründaja saab süvavõltsingusse teha väikesi märkamatuid muudatusi, mis on mõeldud tuvastaja valele vastusele suunamiseks.

Tulemuseks on võidurelvastumine. Tuvastajad õpivad ära tänaste generaatorite jäljed ja generaatorid paranevad, kuni need jäljed kaovad. Tuvastamisest on kasu, kuid see ei anna garantiid.

Ka inimesed ei ole head tuvastajad

Infolehes kokku võetud uuringud näitavad, et inimesed tuvastavad süvavõltsinguid täpsusega, mis jääb sageli umbes 50% juurde või sellest allapoole, mis on sisuliselt juhuslik tulemus. Usk omaenda otsustusvõimesse ei ole seega töökindel kaitse.

Mida see tähendab Eestis

Bürklandi juhtum on näide sellest, mida infolehes nimetatakse isikuna esinemise pettuseks (ingl impersonation scam): tehisintellekti abil kasutatakse ära avalikkuse usaldust tuntud ja lugupeetud inimese vastu. Oht ulatub siin rahast kaugemale. Usaldusväärse arsti nägu ja hääl toodete reklaamimisel võib panna inimesi arsti määratud ravist loobuma.

Regulatsiooni kohta ütleb infoleht, et 2026. aasta keskpaigast peale järgib Eesti ELi tasandi raamistikke. „Kõrge riskiga“ tehisintellektisüsteemidele kehtivad ranged vastavushindamised ehk ametlikud kontrollid, mis tuvastavad, kas süsteem vastab kehtestatud nõuetele. Süvavõltsingute generaatorid liigitatakse üldjuhul läbipaistvuskohustuste alla, mis nõuavad teavitamist, kui inimesed selliste süsteemidega suhtlevad. Teavitamisnõue aitab seaduslike pakkujate puhul. Kurjategijaid, kes reegleid eiravad, peatab see palju vähem tõenäoliselt.

Kaitsepoolel osutab infoleht 2026. aasta oktoobris turule tulnud lahendusele „1Password for Agents“. See on „usalduskiht“, mis võimaldab tehisintellekti agentidel täita kasutaja nimel selliseid ülesandeid nagu pangatoimingud või autentimine, ilma et neil oleks ligipääs päris paroolidele. Põhjendus on, et tehisintellekti agent, kelle käes ei ole kunagi teie volitusi, ei saa neid lekitada. See on võimalik kaitse tehisintellekti vahendusel toimuvate kontode ülevõtmiste vastu. See lahendab teistsugust probleemi kui võltsvideod, kuid mõlemad kuuluvad sama laiema küsimuse juurde: kuidas tõendada, kes või mis tegutseb.

Levinud väärarusaamad

„Võltsingu tunnen ära lisasõrmede või hägusate servade järgi.“ Varaste mudelite puhul see kehtis. Infolehe andmetel loovad tänapäevased generatiivsed mudelid sisu, mida pole tegelikkusest peaaegu võimalik eristada, mistõttu vigade puudumine ei tõesta midagi.

„Süvavõltsingud on videoprobleem.“ Need ei piirdu videoga. Häälkloonimine üksi on vishingu ja pettuste peamine kanal.

„Ohus on ainult kuulsused ja juhid.“ Nemad olid varased sihtmärgid, kuid rünnakud jõuavad üha enam eraisikute, töötajate ja finantsasutusteni.

„Ainus mõistlik reaktsioon on paanika.“ Julgeolekuasutused märgivad infolehes kokkuvõetult, et oht areneb, kuid rõhk peaks olema vastupidavusel. Praktikas tähendab see isiku kontrollimist ja mitmeastmelise autentimise kasutamist selle asemel, et usaldada ainult seda, mida näete ja kuulete. Kui tuttava inimese sõnum või kõne nõuab raha või kiiret tegutsemist, kinnitage seda eraldi kanali kaudu, mida juba usaldate, näiteks teadaoleval telefoninumbril. Määratud ravi kohta konsulteerige alati oma arstiga.

Mida teadlased veel ei tea

Infolehe järgi on mitu probleemi lahtised.

Ühine joon on see, et ükski üksik vahend ei lahenda küsimust, mis on päris. Loomine on odav, tuvastamine puudulik ja inimese otsustusvõime on peaaegu nagu mündiviske. Usaldusväärseks jääb harjumus kontrollida isikut meetodiga, mida võltsvideo või -hääl ei suuda jäljendada.

Ava rakenduses →